本論文依據 Patton and Timmermann (2007) 之模型架構，透過最適預測檢定探討台灣主計總處公佈之經濟預測最適問題。研究結果發現，主計總處 GDP 之預測違反較多本文所假設的最適預測推論，因而 GDP 預測為非最適預測。主計總處 CPI 之預測在本文的最適預測推論架構下，雖相較於 GDP 預測符合較多推論，但仍然違反了其中一條最適推論，因而 CPI 預測仍為非最適預測。

由於1980年代開始，期間利差(term spread)被發現對於預測未來經濟狀況，存在良好的預測能力，也奠定了期間利差在對於預測未來經濟研究中的地位。因此，本文主要著重於檢視利用台灣利率資料所建構出的期間利差對於預測台灣實質經濟產出，是否也扮演著如此重要的角色。 我們利用台灣過往的利率資料，從2002年第一季開始到2013年第四季，台灣十年期中央政府公債殖利率與31-90天期國庫券次級市場利率所建構之期間利差，除了使用樣本內(in-sample)結果的分析與樣本外(out-of-sample)的預測結果，搭配Haubrich and Dombrosky (1996)的預測方程式與均方根誤差RMSE(Root Mean Square Error)來檢視期間利差的預測實質經濟狀況的能力是否良好。 實證結果發現，樣本內的結果顯示，期間利差的解釋能力大約延續的三個季度；而樣本外的預測結果雖不理想，但期間利差在預測方程式中仍可扮演良好的預測變數之一。 本文發現，雖然在2007第三季發生結構性的轉變，但期間利差對於實質經濟成長率仍有良好的解釋能力，這並不影響預測的結果。而造成預測能力不佳的因素可能有幾點：第一，由Smets and Tsatsaronis(1997)所稱的總和供給面與總和需求面的衝擊導致期間利率的預測能力下降相同；第二，Wright(2006)所稱期間溢酬(term premium)在相對較低情況下，導致預測能力下降；第三，美國的貨幣政策與台灣的貨幣政策執行上有所不同。

經濟體的產出缺口一直是政策執行者的觀察重點，當一國出現產出缺口時，代表資源配置並不均衡，將發生通貨膨脹或是失業的現象，如能提早預期到未來是否會出現產出缺口，將可讓政策執行者即早進行政策實施，且有文獻指出，殖利率曲線資料中具有隱含未來經濟狀況之資訊。 本研究以美國財政部與聯準會之公開資料，將以殖利率曲線之斜率進行預測產出缺口；本文研究美國1977年至2016年之國民生產毛額成分與殖利率之資料，目標為建立對於未來一季將出現正向或負向缺口現象之模型，本研究建立三種預測模型進行比較，分別為線性迴歸模型、羅吉斯迴歸模型與機器學習中的支持向量機，以實質GDP的缺口預測而言，研究結果顯示，三者預測準確度均達到65%以上，支持向量機的準確度更達到80.85%。 得出以下結論，第一，殖利率曲線對於未來總體經濟產出缺口具有一定之解釋力；第二，對於高維度之預測模型在機器學習中的支持向量機表現會較一般常用之迴歸模型佳；第三，進出口的預測力在三個模型下均表現較差，可能為殖利率曲線對於進出口並不具有完整有效的資訊，可能有其餘的經濟指標或金融市場資訊可以解釋；第四，對於實質消費與投資等民間部門經濟行為有超過80%的預測力。 / The output gap of the economy has always been the objectives of policy practitioners. When a country appear the output gap, it means that the allocation of resources is not equilibrium and the inflation or unemployment will occur. The output gap will allow policymakers to implement the policy as early as possible, and the literature notes that the information of the yield curve has information about the future economic situation. In this paper, we using the data from the U.S. Department of Treasury and the Federal Reserve to predict the output gap by the slopes of the yield curve. Our goal is to construct the prediction model for the next quarter. To forecast the real GDP gap, three prediction models were compared, linear regression model, logistic regression model and support vector machine. The results show that the accuracy of the three predictions are more than 65%, support vector machine accuracy to reach 80.85%. We can have conclusions showing below: First, the yield curve has significant explanatory power for the overall economic output gap in the future. Second, the support vector machine perform better than the commonly used regression model. Third, the predictive power of real import and export in the three models are poor performance, there may be the rest of the economic indicators or financial market information can be explained. Fourth, the real consumption and investment has the predictive power more than 80% of the forecast.